专家团｜蒋祎：HR如何开启人力数据分析探索之旅？

相信现在所有的HR都认同，人力数据（People Analysitcs）可以被挖掘出新的价值。

不少企业的人力部也已经认识到，有很多数据躺在电脑里，但未被充分利用。

人力数据能用来干什么、该怎么用？

很多HR却充满疑惑，并不清楚如何开始，从哪里开始。

数据分析是为了更好地决策！

提升决策水平，是数据分析的目的，也是之前提到的数字化的三大目标中最重要的一个。

决策需要的，不是罗列各种不同不痒的指标，而是方案建议。

建议的提出，应该依据数据分析中发现的观点，更时髦的说法，叫做“洞见”或者“洞察”（Insight）。

校园招聘中的例子

分析数据，解释数据，得出观点和建议，可能并不复杂。

招聘HR每天登录招聘系统，可以看到格式的报表和仪表盘：总简历数、本月新增简历数、应聘者学历等背景信息的分布、各阶段人数的漏斗图等等。

也包括这样一张每日简历新增数量的折线图：

（示例数据，非真实）

我们能看到它有一些起伏，但我们能看出什么观点，提出什么建议呢？我们需要结合其他数据和实际工作，进一步分析：

只是简单地加上了上年同期情况，就可以发现和上年同期相比，简历数已经成倍增长了，便不难得到观点：今年的简历总数大幅增加。

增加的原因，可能与我们吸取经验，提前布局了一系列推广活动有关。

再标注上各推广活动的日期，结合其他数据，我们可以看出各项活动对简历量的短期刺激作用；结合各项活动的成本投入，我们就能建议：哪些活动值得扩大，哪些活动不应该再做。

在整个校招期间，我们每天早上会发出一页PPT的数据报告，只有2-5张统计图表，每天都不同；只展示近期成果、显著变化等当时最被关心、对之后工作有指导意义的数据结果，分享给相关人员。

这是人力数据分析的一个非常简单的例子，没有复杂的方法与专业的工具，但亦能推动日常工作。

校招日报，就是一个人力数据分析的小主题。

主题分析，是我推荐HR走出的人力数据分析第一步，它能带来不少益处：

• 入门无障碍，用Excel透视图和PPT已经足够做很多分析

• 成果可见，分析的结论可以指导日常实际工作

• 在实战中，培养用数据思考、用数据讲故事的思维和能力

• 发现业务中的数据缺失、发现数据质量等问题，主动提出数字化、数据治理的需求，并理解这些工作的价值。

如何完成一次HR数据专题分析

大致的流程步骤如下：

一、提出业务问题，进行合理假设

人力数据分析，一定要回答HR管理中的问题、支持HR管理中的决策。业务问题，可以从这几个角度收集：

1.哪些决策是纯凭经验甚至拍脑袋的？

2. 工作中，你缺少哪些数据结论给自己撑腰？

3.自己的工作方向、方法是否正确？

4.你对哪些事情感到好奇？对哪些事情感到怀疑？

常怀好奇心和质疑精神，对于发现问题是非常重要的。

事实真的有那么好吗？事实真的是那么差吗？

比如前面校招的例子，可能你正为简历比去年同期成倍增长而高兴，而只要再从招聘岗位的维度细看一下，可能你就会发现，增长其实主要来自某一类岗位的暴涨，部分岗位甚至是负增长。

之后要对你的业务问题，提出假设，为你的数据收集和分析提供方向。

比如，我想分析离职倾向，提出这样一个假设：员工提离职前下班走得更早。

二、收集、整理相关数据

为了验证你的假设，你需要找出过往积累的原始数据。可能是各种台账、问卷结果、测评结果等等。

通常原始数据的颗粒度越小越好（是解聚的），如果你有某员工具体的每天下班时间，就不要使用他的每月平均下班时间来分析。

当你用Excel透视表做探索和分析，你的透视表需要基于一张二维表。二维表就是类似员工信息表那样的表，每一列都是一个字段（Field），每一行是一条记录（Record）。

为了完成分析、看得足够全面，你很可能需要将多张表合并成一张大表（通过Vlookup函数匹配）。

要验证准备离职的员工会提前下班的假设，你至少需要合并离职员工信息表、离职申请表和下班时间表。

整理数据的过程中，你很可能会发现，此前的数据是有缺失的。有多少数据就先做多少分析，这不是我们止步不前的理由。

你可能发现Vlookup并不顺利，各张表的业务口径、格式都有很多不同。这些都是需要整理和转换的，花在清理数据的时间很可能比分析数据还要多多，但这是必须的，也是值得的 。

确定各张表的业务口径，记录下转换逻辑，之后考虑用自动化的工具来处理。

三、探索数据特征、发现业务观点

探索数据的过程，你可以先简单理解为制作Excel透视表，并尝试不同的行、列、值、筛选条件组合，看看能不能发现一些特征。

透视表基于的大表中，定性的列（姓名、部门、入职年份等）被称为“维度”，定量的列（下班时间、加班时长、迟到早退次数等）被称为“度量”。

对于“维度”列，我们可以计数；

对于“度量”列，我们可以求和、求平均值、最大值、最小值、方差等。

除此之外，我们用Excel计算或作图，尝试发现“度量”的一些其他的数学特征，比如：

• 分布情况（集中或分散）

• 异常值

• 周期性

• 多个变量之间的相关性

之后，我们根据不同“维度”，再来细看，比较差异，发现特征；例如从部门维度来看，不同部门的人均下班时间差异大不大，不同部门的下班时间方差差异大不大。

“时间”同样是通常会拿来比较的维度，正入校招例子中的折线图。

我们说的“指标”，也可以看成特定维度和度量的计算和组和。

这样探索出来的结果，可能与你的假设相同，也有可能与你的假设相反，这都可以给你带来有价值的观点；然而更多时候，你的尝试可能并不能发现什么特征或规律。

例如，我们发现，疫情后，离职员工在提出离职前后的下班时间，与之前并无明显区别；下班时间和提出离职并没有明显的关联。这个有点反常识的结果也许令人失望，但我们同样可以得出观点：在判断离职倾向时，也许不必考虑下班时间的变化了。

在这一阶段，你也可以尝试更高阶的分析方法，比如聚类、线性回归、预测算法甚至机器学习算法；当然这也需要更专业的数据分析工具。

四、可视化数据，展示观点

制作图表，可以让读者更容易理解我们发现的数据特征，从而更容易接受我们依据数据特征提出的业务观点。

大致三个步骤：

• 确定我们要展示的观点，和读者/听众

• 确定要展示的数据特征

• 选择合适类型的图表

• 优化图表中的元素

虽然Excel可以一键插入“推荐的图表”，但实际上要做一张好的图表，有不少技巧。

你也许曾经见过下面这张阿伯拉（Andrew Abela）图表指南，但我们在选择图表类型时，它未必是最优解。

这部分内容，如果大家有兴趣，之后可以单独做一篇分享。

五、形成报告和行动建议

我们还需要将观点、支撑观点的数据图表整合成一份逻辑清晰的报告，并基于观点提出未来的行动建议，进行汇报，作为决策的参考依据。

人力数据分析探索与HR系统

回顾五个步骤，不难发现，人在探索数据、解释数据、提出建议中的作用似乎难以被自动化工具替代。但HR系统任然能起到重要的作用：

• 提供规范的原始数据

• 自动制作探索分析所需的“大表”

• 自动计算新观点相关的新指标，

我们在通过数据产生新观点时，很可能也会发现新的需要持续监测的指标，让系统来计算，加入到仪表盘中，能大大提升检测的效率。

通过专题分析发现的指标，组成的仪表盘，也比不痛不痒的“常用指标”更有工作指导价值。

人力数据分析探索与BI（商务智能）

BI（商务智能）软件可以通过互动式的图表，帮助你找出数据特征、分享业务观点；在人力数据分析的五个步骤中，均能带来提升。我最近一直在学习Tableau，有机会可以跟大家再做分享。

希望每一位HR都能开启自己的数据分析探索之旅！